BAB III

3. METODOLOGI PENELITIAN

Bab ini akan menjelaskan mengenai pemilihan metodologi yang akan

dipakai dalam penelitian nanti, serta objek dari penelitan.

3.1 Metode Data mining

Proses data mining digunakan dengan tujuan untuk dapat memilih teknik

data mining apa yang cocok untuk diterapkan, dan digunakan juga sebagai acuan

untuk keseluruhan proses penambangan data dari obyek bisnis. Saat ini terdapat

beberapa metode yang bisa dipakai untuk melakukan data mining, diantaranya

model CRISP, generic model, dan lain sebagainya. Proses data mining yang akan

digunakan pada tesis yang akan dibuat adalah model referensi CRISP-DM, seperti

terlihat pada gambar yang ada dibawah ini[6].

Gambar 6. Model data mining CRISP-DM

25
Penggalian pola churn..., Thony Antonius, FASILKOM UI, 2008
 26

Model CRISP-DM berisikan daur hidup kegiatan data mining yang terdiri

atas enam fase. Gambar 3-1 diatas menunjukkan keseluruhan tahapan pada model

CRISP-DM. Salah satu keuntungan dari model ini adalah, tahapan fase dari model

bukanlah sebuah tahapan yang kaku. Perpindahan maju dan mundur antara tiap

fase yang berbeda bisa selalu dilakukan. Hal ini sesuai dengan sifat alami dari data

mining itu sendiri, dimana proses data mining tidak selesai saat sebuah hasil di

temukan, sebab proses data mining merupakan sebuah proses pembelajaran terus

menerus. Subbab-subbab berikut ini akan dijelaskan secara singkat apa saja yang

dilakukan pada tiap fase dari model ini.

3.1.1 Fase business understanding

Fase ini merupakan fase awal dari model CRISP-DM. Pada fase ini

dubutuhkan pengertian akan obyektif dari kegiatan data mining yang akan

dilakukan, dan kebutuhan dari perspektif bisnis, kemudian mengubah informasi

tersebut ke dalam sebuah definisi problem yang akan dijawab oleh data mining

dan sebuah rencana awal yang didesai untuk mencapai obyektif tersebut.

3.1.2 Fase data understanding

Fase ini merupakan fase pengumpulan koleksi data awal, dan melakukan

proses pengenalan terhadap data tersebut dengan tujuan untuk lebih mengenal

nature dari data yang akan dipakai. Selain itu fase ini juga mencoba melakukan

identifikasi awal mengenai masalah-masalah yang berkaitan dengan kualitas data,

dan mencoba mendeteksi subset-subset yang menarik dari data untuk membentuk

hipotesa awal dari informasi yang tersembunyi.

Penggalian pola churn..., Thony Antonius, FASILKOM UI, 2008

 27

3.1.3 Fase data preparation

Pada fase ini dilakukan aktivitas-aktifitas untuk menyusun dataset final,

yaitu dataset yang akan dijadikan input kedalam perangkat lunak data mining.

Aktifitas-aktifitas yang dilakukan pada fase ini meliputi pemilihan data (table,

record dan serta atribut yang akan dipakai), transformasi data dan pembersihan

data (Data cleansing).

3.1.4 Fase modelling

Fase ini mengerjakan aktifitas pemilihan teknik data mining yang akan

digunakan, serta mengkalibrasi parameter-parameter teknik data mining tersebut

dengan nilai yang optimal. Teknik data mining yang dipakai seringkali

memerlukan beberapa kebutuhan yang spesifik, sehingga pada fase ini dibutuhkan

pengulangan kembali fase data preparation.

3.1.5 Fase evaluasi

Pada tahap ini akan dimulai pembuatan model data mining berkualitas tinggi

dari sudut pandang data analysis. Evaluasi yang dilakukan pada tahap dilakukan

secara mendalam, dengan tujuan untuk menyesuaikan model yang didapat agar

sesuai dengan obyektif bisnis yang dilakukan. Pada akhir tahap ini juga ditentukan

keputusan apakah hasil data mining akan digunakan atau tidak.

3.1.6 Fase deployment

Pada fase ini dilakukan penyusunan dan presentasi dari pengetahuan yang

didapat dari data mining. Presentasi dari hasil data mining ini, dibuat sedemikian

rupa sehingga bisa dimengerti dan dibaca oleh kalangan awam.

Penggalian pola churn..., Thony Antonius, FASILKOM UI, 2008

 28

3.2 Obyek penelitian

Institusi yang menjadi obyek penelitian adalah sebuah institusi perbankan

nasional yang cukup besar. Institusi tersebut saat ini sudah memiliki data

warehouse yang cukup memadai. Selain data warehouse, Institusi tersebut juga

memiliki beberapa data mart yang tersebar di beberapa divisi. Gambar 3-2

dibawah menggambarkan arsitektur dari data data warehouse yang digunakan

Data Warehouse
Data
Data Sources Data Mart
Repository
End User

End User

End User

Gambar 7. Arsitektur Datawarehouse

3.3 Dataset

Dataset yang akan digunakan diambil dari sebuah datamart yang digunakan

pada divisi sales nasional sebuah bank ternama. Data yang terdapat pada data mart

tersebut merupakan data harian yang diturunkan dari data repositori pusat. Proses

importing data dilakukan dalam periode harian secara otomatis. Dataset tersebut

merupakan kumpulan data fluktuasi saldo harian dari seluruh nasabah yang

dimiliki institusi tersebut.

Penggalian pola churn..., Thony Antonius, FASILKOM UI, 2008

 29

3.4 Skema Pelaksanaan penelitian

Proses pelaksanaan data mining meliputi beberapa urutan langkah dasar.

Gambar 3-3 dibawah menggambarkan proses pelaksanaan data mining yang akan

diterapkan pada tesis yang akan dibuat.

Gambar 8. Tahapan pelaksanaan data mining

Penggalian pola churn..., Thony Antonius, FASILKOM UI, 2008